Grupa matematyków argumentowała, że niemożliwa do udowodnienia matematyka jest barierą nie do pokonania dla algorytmów uczenia maszynowego. Teraz mogli to udowodnić w praktyce.
Nie wszystko na świecie jest poznawalne. Przynajmniej dotyczy to sztucznej inteligencji i algorytmów uczenia maszynowego. Na pierwszy rzut oka takie stwierdzenie w naszej epoce postępu może brzmieć jak prawdziwa herezja - ale niestety tak jest. Międzynarodowa grupa matematyków i badaczy sztucznej inteligencji odkryła, że pomimo pozornie nieograniczonego potencjału uczenia maszynowego nawet najbardziej zaawansowane algorytmy podlegają ograniczeniom matematycznym.
„Zalety matematyki są czasami budowane na fakcie, że… w prostych słowach nie wszystko można udowodnić” - piszą naukowcy pod kierunkiem informatyka Shai Ben-Davida z University of Waterloo. Twierdzą, że uczenie maszynowe podziela ten los.
Jak doszli do tego wniosku? Wiązania matematyczne są często kojarzone ze słynnym austriackim matematykiem Kurtem Gödelem, który w latach trzydziestych XX wieku opracował twierdzenia o niekompletności - dwa założenia, które pokazują ograniczenia formalnej arytmetyki (iw konsekwencji każdego systemu formalnego, który wykorzystuje koncepcje tej arytmetyki: 0 i 1), dodawanie i mnożenie oraz liczby naturalne). Nowe badania dowiodły tylko, że uczenie maszynowe jest zamknięte w tej samej strukturze.
Obecnie sztuczna inteligencja jest dosłownie ograniczona przez niemożliwą do udowodnienia matematykę. Innymi słowy, sztuczna inteligencja nie może rozwiązać problemu, którego algorytm nie przewiduje rozwiązania „prawdziwego” lub „fałszywego”. Matematyk Amir Yehudayov z Technion-Israel Institute of Technology w rozmowie z czasopismem Nature przyznał, że była to niespodzianka dla naukowców. Badanie zostało zbudowane wokół strony internetowej: algorytm musiał wyświetlać ukierunkowane reklamy użytkownikom, którzy odwiedzają stronę najczęściej - bez wcześniejszej wiedzy, którzy odwiedzą ją. Jest to tak zwany problem szacowania maksimum (EMX).
Zdaniem naukowców korzenie problemu matematycznego mogą leżeć w strukturze algorytmu uczenia się znanego jako „probabilistycznie w przybliżeniu poprawne uczenie się” lub PAC. Jest również bardzo podobny do matematycznego paradoksu zwanego hipotezą kontinuum. Podobnie jak twierdzenia o zupełności, ta hipoteza jest związana z matematyką, której nie można udowodnić w ramach systemu prawda / fałsz. Hipotetycznie, nawet dla najdoskonalszego algorytmu, jest to ślepa uliczka, z której nie może się wydostać. Matematycy uznają, że niemożność udowodnienia jest ciężarem, który maszyny będą musiały teraz udźwignąć. Lev Reizin, który nie brał udziału w badaniu, zauważa, że środki te „mogą być w stanie nauczyć sztucznej inteligencji pokory, nawet jeśli nadal rewolucjonizuje otaczający nas świat”.
Wasilij Makarow